FID
FID（Fréchet Inception Distance）是评估图像生成模型质量的常用指标，通过计算生成图像与真实图像在Inception网络特征空间中的分布距离来衡量生成质量，分数越低代表生成质量越好
核心事实
时间轴 (近 90 天)
Real Experience Score 是 Speed Insights 提供的核心指标，基于真实用户监控数据综合 FCP、LCP、FID 和 CLS 等 Web 核心指标计算出一个 0-100 的分数。
最有效的自适应攻击移除 SpectralCanary 信号需要激进的图像修改，并导致 ΔFID 增加超过 25 点。
SpectralCanary 在五个数据集上使用 SD3.5 模型时，保持发布图像的视觉质量（SSIM 0.989，LPIPS 0.022），FID 变化接近零（平均 ΔFID 0.05）。
用 FID、CLIP Score 等编辑质量指标来挑选目标生成器，可能选出不适合做控制目标的模型。
FID用于衡量生成分布与真实分布的差异，IS评估生成样本的多样性和清晰度，CLIP Score衡量图文对齐程度。
FID指标对高频细节（如锐利边缘、细纹理）的差异不敏感，因此生成图像可能在视觉上显得模糊或“过于平滑”，而FID分数却依然良好。
只需少量额外训练，ConvRefiner就能恢复生成图像的高频统计特性，同时保持FID不下降。
该论文未披露FID分数。
FID 衡量生成分布与真实分布的统计距离，数值越低越好，但受特征提取器和样本量影响较大，小数据集上波动明显。
MiniDog 的评估环节覆盖 FID、HPSv2、PickScore 以及多种 VAE 重建指标。
还有 22 条时间轴事件
全部知识事实 (20)
FID衡量生成图像与真实图像在特征空间的分布距离，数值越低代表生成质量越高
80%已验证FID（Fréchet Inception Distance）是用于衡量生成图像与真实照片分布距离的量化指标
75%待验证FID通过比较真实图像和生成图像在Inception-v3网络特征空间中的均值和协方差矩阵差异来计算，但对局部语义质量不敏感
70%待验证FID（Fréchet Inception Distance）通过比较真实数据与生成数据在深度神经网络特征空间中的统计分布差异来评估生成质量，数值越低表示越接近真实
70%待验证Real Experience Score 是 Speed Insights 提供的核心指标，基于真实用户监控数据综合 FCP、LCP、FID 和 CLS 等 Web 核心指标计算出一个 0-100 的分数。
50%待验证最有效的自适应攻击移除 SpectralCanary 信号需要激进的图像修改，并导致 ΔFID 增加超过 25 点。
50%待验证SpectralCanary 在五个数据集上使用 SD3.5 模型时，保持发布图像的视觉质量（SSIM 0.989，LPIPS 0.022），FID 变化接近零（平均 ΔFID 0.05）。
50%待验证用 FID、CLIP Score 等编辑质量指标来挑选目标生成器，可能选出不适合做控制目标的模型。
50%待验证FID用于衡量生成分布与真实分布的差异，IS评估生成样本的多样性和清晰度，CLIP Score衡量图文对齐程度。
50%待验证只需少量额外训练，ConvRefiner就能恢复生成图像的高频统计特性，同时保持FID不下降。
50%待验证FID指标对高频细节（如锐利边缘、细纹理）的差异不敏感，因此生成图像可能在视觉上显得模糊或“过于平滑”，而FID分数却依然良好。
50%待验证该论文未披露FID分数。
50%待验证FID 衡量生成分布与真实分布的统计距离，数值越低越好，但受特征提取器和样本量影响较大，小数据集上波动明显。
50%待验证MiniDog 的评估环节覆盖 FID、HPSv2、PickScore 以及多种 VAE 重建指标。
50%待验证FID受采样数量、预处理和Inception版本影响，跨论文比较应以相同评测协议为准。
50%待验证在类别条件ImageNet-1K基准上，PixelMoE在256×256分辨率下取得FID 1.47，512×512下取得FID 1.53，且未使用表示对齐和感知损失。
50%待验证CLIP 分数衡量语义一致性而非视觉质量，无法捕获图像模糊、伪影、颜色失真等感知层面问题，实际系统中通常与 SSIM 或 FID 组合使用
50%待验证Physics-IQ 衡量的是因果推理的正确性，与衡量图像感知真实感的 FID 等传统视觉质量指标不同
50%待验证在ImageNet-256数据集上、NFE为25且不使用引导的条件下，基于时间滞后测量的增益选择方法将FID从28.0降低到12.2
50%待验证该FID数值12.2是通过相邻增益的FID测量值线性插值估计得到的
50%